买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京航空航天大学申请的专利一种基于飞行数据的小概率航空不安全事件诱因分析和在线监测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119226857B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411382000.2，技术领域涉及：G06F18/24；该发明授权一种基于飞行数据的小概率航空不安全事件诱因分析和在线监测方法及系统是由高振兴;向志伟;张润昊设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种基于飞行数据的小概率航空不安全事件诱因分析和在线监测方法及系统在说明书摘要公布了：本发明公开了一种基于飞行数据的小概率航空不安全事件诱因分析和在线监测方法及系统，属于航空安全技术与飞行数据应用领域。方法包括以下步骤：S0：通过飞机飞行品质监控标准确定输入参数集合，并构建基于弱监督学习的风险识别架构Ⅰ；S1：基于所述风险识别架构Ⅰ，获得风险识别网络I和量化风险值，并利用统计分析得到高风险的时刻点和诱因；S2：利用知识蒸馏方法将风险识别网络Ⅰ辨识不安全事件风险的能力继承至风险识别网络Ⅱ上，获得用于在线监测的风险识别网络Ⅱ，基于所述在线监测的风险识别网络Ⅱ，进行在线风险检测。

本发明授权一种基于飞行数据的小概率航空不安全事件诱因分析和在线监测方法及系统在权利要求书中公布了：1.一种基于飞行数据的小概率航空不安全事件诱因分析和在线监测方法，其特征在于，包括以下步骤：S0：通过飞机飞行品质监控标准确定输入参数集合，并构建基于弱监督学习的风险识别架构Ⅰ；S1：基于所述风险识别架构Ⅰ，获得风险识别网络I和量化风险值，并利用统计分析得到高风险的时刻点和诱因；S2：利用知识蒸馏方法将风险识别网络Ⅰ辨识不安全事件风险的能力继承至风险识别网络Ⅱ上，获得用于在线监测的风险识别网络Ⅱ，基于所述在线监测的风险识别网络Ⅱ，进行在线风险检测；所述S0中，通过飞机飞行品质监控标准确定输入参数集合，并构建基于弱监督学习的风险识别架构Ⅰ的方法包括：S0.1：参考飞机飞行品质监控标准，依据飞行安全专家确定输入参数集合；S0.2：建立时域卷积网络TCN，利用时域卷积网络TCN从航后飞行数据集中提取不安全事件特征，同时保留飞行数据中时序依赖特性；S0.3：建立门控循环单元GRU和注意力机制相结合的示例转换模块，随后利用逻辑层和最大池化操作完成不安全事件分类，形成基于弱监督学习的风险识别架构Ⅰ；其中，所述S0.1中，参考飞机飞行品质监控标准，依据飞行安全专家确定输入参数集合的方法包括：结合飞行安全专家经验，确定飞行员操作相关的参数集合pam、飞机飞行状态相关的参数集合pas，以并集P＝{pamUpas}作为输入参数，一共有d个参数；其中，所述S0.2中，建立时域卷积TCN网络，利用时域卷积TCN网络从航后飞行数据集中提取不安全事件特征，同时保留飞行数据中时序依赖特性的方法包括：针对第j个航段的原始参数序列利用因果膨胀卷积提取任一时刻tk之前的历史信息，并采用残差连接的方式降低网络复杂度；将原始参数序列输入时域卷积TCN网络，经时域卷积TCN网络处理后输出其中代表第j个航段数据在第tk时刻内的飞行参数序列记录，代表第i个参数在tk时刻的记录值，q·代表时域卷积TCN网络的特征提取过程；其中，所述S0.3中，建立门控循环单元GRU和注意力机制相结合的示例转换模块，随后利用逻辑层和最大池化操作完成不安全事件分类，形成基于弱监督学习的风险识别架构Ⅰ的方法包括：将时域卷积TCN网络输出作为门控循环单元GRU的输入，并利用自注意力层ATT增强模型可解释性，得到包含局部和长时间依赖特性的特征图输出获得第j次航段数据中tk时刻的示例包含t1～tk时刻的参数序列信息；随后经过全连接层FCL得到分类任务的特征图为第j次航段数据中tk时刻的分类示例，后接逻辑层LOG；采用sigmoid函数为逻辑层LOG的激活函数，实现示例到量化风险值的转换，获得随时间变化的量化风险值其中为第j次航段数据中tk时刻的量化风险值，最后经过聚合层MAX，采用最大池化得到包标签Ybag,j，当时Ybag,j＝1，否则Ybag,j＝0，其中为λ0为预设阈值，通常取λ0＝0.5，完成基于弱监督学习的风险识别架构Ⅰ的构建。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。